MAME开源项目启动与配置教程
2025-05-04 20:52:04作者:秋泉律Samson
1. 项目的目录结构及介绍
MAME(Multiple Arcade Machine Emulator)是一个开源的多平台街机游戏模拟器。以下是MAME项目的目录结构及其基本介绍:
docs/:包含项目的文档和教程,详细介绍MAME的使用和开发。src/:这是MAME的核心代码目录,包含了模拟器的主要源代码和资源。arcade/:包含街机游戏的代码。cpu/:包含各种CPU核心的代码。audio/:负责音频处理的代码。video/:负责视频渲染的代码。input/:处理输入设备的代码。
3rdparty/:第三方库的源代码,这些库是MAME运行所依赖的。roms/:存放游戏ROM文件的目录。tools/:包含一些辅助工具的代码,如ROM转换工具等。Makefile:构建项目所需的Makefile文件。README.md:项目的说明文件。
2. 项目的启动文件介绍
MAME项目的主要启动文件是位于src/目录下的mame.cpp文件。这个文件是MAME程序的入口点,它负责初始化模拟器,并处理用户输入的命令行参数。
// mame.cpp
#include "emu.h"
#include "emuopts.h"
#include "render.h"
#include "input.h"
#include "sound.h"
#include "video.h"
// 程序入口
int main(int argc, char **argv)
{
// 初始化emu
emu_init();
// 处理命令行参数
parse_options(argc, argv);
// 执行模拟器
emu_run();
// 清理资源
emu_exit();
return 0;
}
3. 项目的配置文件介绍
MAME的配置文件通常为.ini文件,如mame.ini。这个文件位于项目的根目录,包含了模拟器运行时的默认设置,如视频输出、声音输出、输入设备映射等。
配置文件的基本结构如下:
; mame.ini 示例
[video]
output = opengl
scale = aspect
fullscreen = 1
[sound]
output = sdl
sample_rate = 48000
[input]
joystick deadzone = 0.2
joystick saturation = 1.0
[directories]
rompath = ./roms
artworkpath = ./artwork
在这个配置文件中,可以设置视频输出的类型(如opengl)、是否全屏显示、声音输出类型(如sdl)和采样率等。用户可以根据自己的需要和硬件配置来调整这些设置。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.51 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
794
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
779
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
662
301